XiaoMi-AI文件搜索系统
World File Search System放射科
放射学中的人工智能当前应用和......
在过去五年中，关于人工智能 (AI) 在放射学中的应用的研究一直以惊人的速度增长。PubMed 搜索显示，2018 年之前，每年只有不到 500 份手稿包含术语“人工智能”和“放射学”。然而，在 2018 年，这一比例翻了一番，达到约 1000 篇文章，而在 2019 年和 2020 年，这一数字达到了约 2000 篇。显然，AI 在放射学中的应用正在获得发展势头，主要是因为它有潜力提升该领域。许多研究表明，AI 能够提高放射科医生的效率、突出紧急病例、增强诊断信心、减少工作量并帮助指导患者的预后和治疗策略。因此，AI 不仅不会像曾经怀疑的那样与放射科医生竞争，反而实际上可以增强放射科医生的能力，提供最佳的患者护理。 AI 有可能通过图像分析的三个主要步骤改变放射科医生的工作：检测、表征和监控。本文将回顾当前 AI 在每个类别中的研究状况，并强调这些发现对未来放射学实践的潜在影响。
动脉粥样硬化斑块中的光子计算机层析成像
1 Azienda Ospedaliero Universitaria（A.O.U.）放射科di cagliari-polo di Monserrato，S.S。554，09045意大利Monserrato； riccardocau00@gmail.com（R.C.）; antonellabalestrieri@hotmail.com（A.B。）; politi@unica.it（c.p。）2 fondazione Monasterio/CNR放射科，意大利PISA 56124； antonella.meloni@ftgm.it（A.M。）; filippocademartiri@gmail.com（f.c。）3 Fondazione Monasterio/CNR生物工程系，意大利PISA 56124 4号放射科，IRCCS Synlab-SDN，意大利80131 Naples，IRCCS Synlab-SDN； mannellilorenzo@yahoo.it（l.m.）; carlo.cavaliere@synlab.it（c.c.）; bruna.punzo@synlab.it（B.P.）; emaffei@ftgm.it（E.M.）5大学医院放射学系“ P.giaccone”，意大利巴勒莫90127； lagruttaludovico@gmail.com 6 Campania Luigi Vanvitelli大学心脏病学部门，80138 Naples，意大利7 Naples，意大利7神经科学，成像和临床科学系cesare.mantini@gmail.com 8中，jsuri@comcast.net * stroke和诊断部门： +39-328-086-1848;传真： +39-070-485-980
人工智能（AI）增强乳腺癌筛查
摘要引言如果人工智能 (AI) 算法能够检测出癌症（包括间隔期癌症），并且不会造成过度诊断，则它们有可能提高人群乳腺癌筛查计划的有效性。研究表明，人工智能的准确度与放射科医生通常使用的“丰富”数据集相当或更高，这些数据集中的癌症患病率高于人群筛查。常规筛查结果指标（癌症检测率和召回率）无法从这些数据集中估算出来，而且准确度估计值可能受到频谱偏差的影响，这限制了其在现实世界筛查中的普遍性。我们旨在通过比较人工智能和放射科医生在连续参加现实世界人群乳腺癌筛查计划的女性队列中的准确度来解决这些限制。方法与分析 从 2016 年 11 月至 2017 年 12 月，西澳大利亚州的两年一次的人口筛查项目 BreastScreen WA (BSWA) 收集了 109,000 名不同女性的回顾性连续数字乳房 X 线摄影筛查队列。该队列包括 761 例筛查发现的癌症和 235 例间期癌症。将从 BSWA 结果数据收集中提取放射科医生双重读取的描述性特征和结果。乳房 X 线摄影结果将由商业 AI 算法 (DeepHealth) 重新解释。将根据受试者工作特征曲线下面积的差异将 AI 准确度与放射科医生单次读取的准确度进行比较。将通过将每次筛查的第一位放射科医生读数与 AI 算法配对来估计 AI-放射科医生联合读数的癌症检测率和召回率，并与放射科医生双重读取的估计值进行比较。伦理与传播 本研究已获得妇女和新生儿健康服务伦理委员会 (EC00350) 和科廷大学人类研究伦理委员会 (HRE2020-0316) 的伦理批准。研究结果将发表在同行评审期刊上，并在国家和国际会议上发表。研究结果还将传播给澳大利亚乳腺癌筛查计划的利益相关者和人口筛查的政策制定者。
开创性的 AI 为 Shin Imaging Center 的乳房 X 光检查患者带来更好的结果
cmAssist 是一款 CAD 软件，它使用 AI 帮助放射科医生识别、标记和评分筛查乳房 X 光检查中的感兴趣区域和可能异常。它标记的每个异常都会被分配一个独特的数据驱动的 neuScore ™，该 neuScore ™ 为放射科医生提供了标记感兴趣区域可疑程度的定量测量，范围从 0（最不可疑）到 100（高度可疑）。在一项已发表的研究中，cmAssist（研究性 SaaS）显示放射科医生的癌症检测率平均提高了 27%，而假阳性召回率没有显著增加。与传统 CAD 相比，cmAssist 有可能将假阳性率降低 69%，将钙化假标记率降低 83%，将肿块假标记率降低 56%。
在新辅助治疗时代，有关肿瘤靶向正电子发射断层扫描和胰腺癌的荧光成像的概述和未来观点
1外科部，莱顿大学医学中心，荷兰2333 ZA LEIDEN； f.a.vuijk@lumc.nl（F.A.V. ）; j.a.stibbe@lumc.nl（J.A.S. ）; r.d.houvast@lumc.nl（R.D.H. ）; b.a.bonsing@lumc.nl（B.A.B. ）; c.f.m.sier@lumc.nl（c.f.m.s. ）; p.j.k.kuppen@lumc.nl（P.J.K.K. ）; kb@chdr.nl（J.B。）; a.l.vahrmeijer@lumc.nl（A.L.V. ）; j.s.d.mieog@lumc.nl（J.S.D.M.） 2尼德兰Za Leiden 2333 Za Leiden的莱顿大学医学中心医学肿瘤学系； S.A.C.Luelmo@lumc.nl 3病理学系，莱顿大学医学中心，荷兰2333 Za Leiden； A.S.L.P.Crobach@lumc.nl 4莱顿大学医学中心放射科，荷兰2333 Za Leiden； s.feshtali@lumc.nl 5 5号放射科，核医学科，莱顿大学医学中心，荷兰2333 ZA LEIDEN； l.f.de_geus-oei@lumc.nl 6生物医学光子成像小组，Twente大学，7522 NB NB ENSCHEDE，荷兰7 Percuros B.V. R.J.Swijnenburg@amsterdamumc.nl 9放射科，核医学部，阿姆斯特丹UMC，位置VUMC，荷兰1081 HV阿姆斯特丹； ad.windhorst@amsterdamumc.nl 10人类药物研究中心，2333 CL LEIDEN，荷兰 *通信：m.a.van_dam@lumc.nl;电话。 ： +31-71-529-84-201外科部，莱顿大学医学中心，荷兰2333 ZA LEIDEN； f.a.vuijk@lumc.nl（F.A.V.）; j.a.stibbe@lumc.nl（J.A.S.）; r.d.houvast@lumc.nl（R.D.H.）; b.a.bonsing@lumc.nl（B.A.B.）; c.f.m.sier@lumc.nl（c.f.m.s.）; p.j.k.kuppen@lumc.nl（P.J.K.K.）; kb@chdr.nl（J.B。）; a.l.vahrmeijer@lumc.nl（A.L.V.）; j.s.d.mieog@lumc.nl（J.S.D.M.）2尼德兰Za Leiden 2333 Za Leiden的莱顿大学医学中心医学肿瘤学系； S.A.C.Luelmo@lumc.nl 3病理学系，莱顿大学医学中心，荷兰2333 Za Leiden； A.S.L.P.Crobach@lumc.nl 4莱顿大学医学中心放射科，荷兰2333 Za Leiden； s.feshtali@lumc.nl 5 5号放射科，核医学科，莱顿大学医学中心，荷兰2333 ZA LEIDEN； l.f.de_geus-oei@lumc.nl 6生物医学光子成像小组，Twente大学，7522 NB NB ENSCHEDE，荷兰7 Percuros B.V. R.J.Swijnenburg@amsterdamumc.nl 9放射科，核医学部，阿姆斯特丹UMC，位置VUMC，荷兰1081 HV阿姆斯特丹； ad.windhorst@amsterdamumc.nl 10人类药物研究中心，2333 CL LEIDEN，荷兰 *通信：m.a.van_dam@lumc.nl;电话。： +31-71-529-84-20
COVID-19 诊断人工智能系统的开发与评估
根据胸部 CT 及早发现 COVID-19 将有助于及时治疗患者并控制疾病的传播。然而，随着 COVID-19 在许多国家迅速蔓延，可疑患者的 CT 数量增长速度远远超过人类专家的可用速度。在此，我们提出了一种人工智能 (AI) 系统，用于快速诊断 COVID-19，其准确度可与经验丰富的放射科医生相媲美。通过从中国武汉的三家医院收集 496 名确诊 COVID-19 患者和 260 名阴性病例的 970 个 CT 数量，以及从两个公开可用的胸部 CT 数据集中收集 1,125 个阴性病例，构建了一个大型数据集。我们的诊断系统基于深度卷积神经网络，仅使用 312 个病例进行训练，在 1,255 个病例的独立外部验证数据集上能够达到 94.98% 的准确率、97.91% 的受试者工作特征曲线下面积 (AUC)、94.06% 的灵敏度和 95.47% 的特异性。在一项涉及五名放射科医生的读者研究中，只有一名放射科医生的准确率略高于人工智能系统。人工智能系统比放射科医生快两个数量级，代码可在 https://github.com/ChenWWWeixiang/diagnosis_covid 19 获得。
筛查乳房 X 线摄影中的人工智能
a 荷兰格罗宁根大学语言与认知中心艺术学院助理教授兼教务委员会主席。b 荷兰格罗宁根大学医学中心格罗宁根大学医学影像中心放射科放射科医生。c 荷兰格罗宁根大学社会学系助理教授。d 荷兰格罗宁根大学医学中心格罗宁根大学放射科副主任。通讯作者及转载：Yfke P. Ongena，格罗宁根大学语言与认知中心、话语与交流小组，Oude Kijk in ‘ t Jatstraat 26, 9712 EK Groningen，荷兰；电子邮件：y.p.ongena@rug.nl。作者声明他们与本文讨论的材料没有利益冲突。Ongena 博士、Yakar 博士、Haan 博士和 Kwee 博士是非合伙人、非合伙人轨道员工。
放射学 – 桥梁学生手册
放射技师，通常称为放射技师，是执行诊断成像检查（包括 X 光）的医务人员。执行成像检查的放射技师负责准确定位患者并确保生成高质量的诊断图像。他们与放射科医生密切合作，放射科医生负责解释医学图像以诊断或排除疾病/损伤。为了让放射科医生正确解释图像，成像检查必须由成像专家（放射技师）正确且熟练地执行。他们可能专攻特定的成像技术，例如骨密度测定、心血管介入放射学、计算机断层扫描、乳房 X 线摄影、磁共振成像、核医学、超声检查或一般诊断放射学。医院是放射技师的主要雇主，但医生办公室和诊断成像中心将出现更多的新工作岗位。放射学 - 桥梁计划描述
设计一个计算机辅助的诊断系统，用于心脏全面检测和放射学报告一代
抽象的胸部X射线（CXR）是用于心理评估的常规诊断工具，具有高度的成本效益和多功能性。然而，随着放射科医生评估的扫描数量越来越多，它们可能会遇到疲劳，这可能会阻碍诊断的准确性并减缓报告的生成。我们描述了计算机辅助诊断（CAD）管道启动计算机视觉（CV）和自然语言程序（NLP），该诊断（NLP）对公开可用的模拟物数据集进行了培训。我们执行图像质量评估，查看标签，基于分割的心脏肿大严重性策略，并将严重性分类的输出用于基于大语言模型的报告生成。四位认证的放射科医生评估了CAD管道的产出准确性。Across the dataset composed of 377,100 CXR images and 227,827 free-text radiology re- ports, our system identified 0.18% of cases with mixed- sex mentions, 0.02% of poor quality images (F1=0.81), and 0.28% of wrongly labelled views (accuracy 99.4%), furthermore it assigned views for 4.18% of images which have unlabelled views.对于二元心脏肥大的分类，我们实现了95.2％精度的最新性能。评估报告的语义和放射科医生的正确性的放射科医生协议为0.62（严格的协议）和0.85（放松的同意），类似于0.55（严格）和0.93（宽松）的放射科医生-CAD协议（放松）。未来的改进围绕着改进的文本生成和为其他分歧的CV工具开发。我们的工作发现并纠正了对模拟CXR数据集的几个不正确或缺失的元数据注释，并且我们的CAD系统的性能表明与人类的放射性人士相当。
专业人士对放射学引入人工智能创新的反应及其对未来应用的影响：一项定性研究
结果：我们发现，放射技师和放射科医生对人工智能的认识和知识各不相同。通过他们的专业网络、参加会议和与行业开发人员的联系，放射科医生可以获得更多信息，并更多地了解人工智能的潜在应用。相反，放射技师更多地依赖本地个人网络获取信息。我们的结果还表明，尽管两组人都认为人工智能创新为劳动力短缺提供了潜在的解决方案，但他们对人工智能创新对其专业角色的影响的看法存在很大差异。放射科医生认为人工智能有可能承担更多重复性任务，让他们专注于更有趣、更具挑战性的工作。他们不太担心人工智能技术可能会限制他们的专业角色和自主权。放射技师更担心人工智能技术可能对他们的角色和技能发展产生的潜在影响。他们对自己积极应对人工智能技术带来的潜在风险和机遇的能力缺乏信心。